基于无人机多光谱的棉花育种材料FPAR估测

快速、无损、高通量地获取棉花育种材料的光合有效辐射信息,对棉花高光效品种选育及栽培管理具有重要意义.于2020年8-9月在河南现代农业研究开发基地,采用大疆Matrice 600 Pro无人机搭载Micasense RedEdge-M多光谱成像仪获取棉花育种材料的多光谱影像,提取光合有效辐射吸收比率(Fraction of photosynthetically active radiation,FPAR)测量点蓝、绿、红、红边、近红外等5个通道反射率值构建多光谱变量;然后分析多光谱变量与FPAR的定量关系,建立FPAR的一元与多元回归模型;最后,基于实测FPAR对估测模型进行精度验证.结果表明:棉花育种材料的多光谱遥感影像可以快速、直观表征植株冠层叶片颜色、长势等表型性状信息;基于多光谱影像构建的变换土壤调节植被指数(Transformed soil adjusted vegetation index,TSAVI)、土壤调节植被指数(Soil adjusted vegetation index,SAVI)、垂直植被指数(Perpendicular vegetation index,PVI)、比值植被指数(Ratio vegetation index,RVI)、差值植被指数(Difference vegetation index,DVI)、增强型的植被指数(Enhanced vegetation index,EVI)、归一化差值植被指数(Normalized difference vegetation index,NDVI)、大气阻抗植被指数(Atmospherically resistant vegetation index,ARVI)等8种多光谱变量均与棉花FPAR具有较好的相关性,|r|为0.542～0.932;基于TSAVI构建的FPAR 一元线性回归模型,对棉花FPAR具有较好的估测效果,估测模型的R2为0.867,SE 为0.115,验证模型的R2为0.932,RPD 为2.468,RMSE 为0.119.     

基于GF-1与Landsat-8多光谱遥感影像的玉米LAI反演比较

近年来,中国遥感事业已取得长足进步,高分一号(GF-1)卫星首次实现了中国自主研发的高分辨率对地观测。为探讨国产GF-1卫星影像在农业遥感长势监测中的适应性,以许昌地区为研究对象,选取同期Landsat-8卫星影像,结合地面采样数据LAI,从传感器光谱响应特征、经验回归模型监测精度以及LAI空间一致性等3方面进行2类遥感数据的对比评价。结果表明,GF-1影像近红外、红、蓝波段光谱响应与Landsat-8有差异,与绿波段光谱响应非常吻合,各波段光谱反射率与Landsat-8影像同类光谱间均存在显著线性关系。通过各波段组合多种归一化植被指数,采用经验回归模型反演LAI发现,GF-1影像反演的最优模型为NDVI的指数模型,R2为0.848,Landsat-8影像反演的最优模型为蓝红组合的归一化植被指数(blue-red NDVI,BRNDVI)的指数模型,R2为0.687,2类影像反演LAI与地面实测值均呈现较为一致的线性关系。由许昌地区玉米LAI值空间分布可见,GF-1影像反演的玉米LAI值与Landsat-8影像反演值过渡趋势一致,在许昌西部种植结构复杂地区,GF-1影像以其空间分辨率优势更能凸显LAI分布差异。通过该文研究表明,GF-1卫星的高时间分辨率以及高空间分辨率特征能够代替传统中分辨率数据成为农业遥感长势监测中的重要数据源,该数据在农业遥感其他领域的应用是今后研究的重点。     

基于Cokriging插值修正冬小麦面积遥感监测

在研究区内冬小麦种植区选取149个地面样方,筛选样方内反映种植结构、地块破碎程度、地形因素的参数并利用差分GPS测量,对3个参数量化并确定插值的主辅变量。探讨和比较了利用普通克里格和协同克里格2种插值方法对研究区的冬小麦种植面积比例的插值结果。结果表明,相同采样数量下,协同克里格法相对于普通克里格法的均方根误差降低1.48%,预测值与实测值之间的相关系数提高了6.82%,利用COK插值获取研究区内冬小麦种植面积比例分布状况,可以分区域对大尺度冬小麦面积遥感提取结果进行修正。     

基于EOS/MODIS数据的河南省小麦秸秆焚烧监测分析

为了准确、迅速地了解秸秆焚烧动态变化,提高预警能力和监督检查效果,利用卫星遥感监测技术,选取MODIS 2008年5月29日至6月14日卫星数据,对河南省小麦主产区秸秆焚烧实施监测分析.结果表明,监测期间河南省麦田共存在1 799个火点.火点分布主要集中在南阳、驻马店及平顶山地区,其中邓州、方城、镇平、正阳尤为突出,火...     

小麦冠层氮素含量光谱估算研究进展

氮素作为作物生长和产量形成的首要元素,约占作物体干重的0.3%~5.0%,有生命元素之称。小麦是世界上种植面积最大、商品率最高的粮食作物,面积和总产量均占世界粮食作物的1/3左右,小麦氮素含量估算技术的现代化、信息化水平与农业的现代化、信息化密切相关,快速、准确、无损地获取作物氮素含量对制定合理施肥策略和农业可持续发展具有重要意义。本文首先对小麦冠层氮素含量光谱估算的原理进行了介绍,然后对目前氮素含量估算采用的数据类型和方法进行了总结分析,并在此基础上分析了目前小麦冠层氮素光谱估算存在的问题,对未来小麦冠层氮素光谱快速估算前景进行了展望。     

基于多层级特征筛选和无人机影像的冬小麦植株氮含量预测

氮素是冬小麦生长发育必不可少的大量元素,无人机超高分辨率影像丰富的光谱信息和纹理信息为冬小麦植株氮含量精准预测提供了重要的技术途径,但是过多变量造成了信息冗余和模型复杂的问题。针对此问题,该研究提出了一种“相关分析+共线性分析+LASSO（least absolute shrinkage and selection operator）特征筛选”的多层级植株氮含量敏感特征的筛选方法,引入约束系数向量的L1正则化实现特征的稀疏性,将某些特征的系数缩小为0,基于冬小麦关键生育期（拔节期、孕穗期、开花期、灌浆期）无人机影像提取的65个光谱和纹理特征,采BP神经网络（random forest,BP）、Adaboost、随机森林（random forest,RF）和线性回归（random forest,LR）4种机器学习算法构建了冬小麦植株氮含量预测模型。结果表明：相关分析筛选出51个通过0.01显著性检验的变量,基于共线性分析,当LASSSO正则化参数λ取值为0.08时, 17个敏感特征变量被筛选。基于筛选的敏感特征变量,BP、Adaboost、RF和LR 4种算法建立的植株氮含量预测模型均达到了0.01水平差异显著性,且BP、Adaboost和RF 3种预测模型的精度具有高度的一致性,模型R²均为0.81,RMSE分别为0.48%、0.45%和0.44%,说明该研究提出的多层级特征筛选方法不仅使得模型变得简洁,而且稳健性高,可为智慧农业氮肥精准监测、智慧管理提供技术支撑。     

融合多源时空数据的冬小麦产量预测模型研究

为提高大尺度冬小麦产量预测精度,以2005—2019年河南省遥感数据、气象数据、土壤含水率等多源时空数据为特征变量,分析其与小麦单产的相关性,并基于随机森林算法对特征变量进行了重要性分析,构建了融合多源时空数据的冬小麦产量预测模型。结果表明:增强型植被指数（Enhanced vegetation index, EVI）、日光诱导叶绿素荧光（Solar-induced chlorophyll fluorescence, SIF）与高程为小麦产量预测的重要因子,与小麦产量呈高度正相关,对小麦产量预测的重要性指标均超过0.45,远大于土壤含水率、降水量、最高温度、最低温度等因子;基于随机森林算法构建的小麦不同生长阶段产量预测模型中,以10月—次年5月和10月—次年4月为特征变量的产量预测模型精度较高,R²分别为0.85和0.84,RMSE分别为821.55、832.01 kg/hm²,在空间尺度上,豫西和豫南丘陵山地模型预测相对误差高于平原地区。该研究结果可为大尺度作物产量预测提供参考。     

沼液追施量对小麦叶绿素荧光动力学参数及产量的影响

为明确沼液适宜追施量,实现小麦高产优质栽培,在大田条件下研究了追施不同梯度沼液对小麦荧光特性及产量的影响.结果表明:适宜的沼液追施量(折纯氮60～120 kg/hm2)能有效地提高小麦叶片PSⅡ潜在活性(Fv/Fo)、PSⅡ光化学最大效率(Fv/Fm)和荧光光化学猝灭系数(qP),而降低荧光非光化学猝灭系数(qN),且...     

农田洪涝灾害信息遥感自动提取方法研究

为提高农田洪涝灾害信息提取效率,探索了有效的遥感影像水体自动提取方法,以2021年7月下旬河南省浚县农田洪涝灾害为研究对象,在灾前、灾中和灾后以Sentinel-2遥感数据归一化水体指数（NDWI）、改进的归一化水体指数（MNDWI）、多波段水体指数（MBWI）和B12波段作为多维特征,采用多维非监督水体自动提取方法提取水体面积。同时利用Canny-Edge-Otsu水体自动提取方法分别对MBWI、MNDWI、NDWI 3种水体指数和GF-3数据的HV极化波段进行阈值分割,提取农田洪涝灾害信息,并对不同数据源和不同方法提取农田洪涝灾害信息的精度进行对比分析。结果表明,多维非监督水体自动提取方法集成了多种水体指数和波段作为多维特征,灾前和灾后水体提取误差分别为6.99%和7.45%,低于Canny-Edge-Otsu水体自动提取方法;MBWI、MNDWI与NDWI 3种水体指数相比,MBWI水体提取误差最小,NDWI提取误差最大,但均易将建筑物和云阴影地区误判为水体;灾后基于GF-3的洪水提取误差为15.57%,高于Sentinel-2影像,但GF-3遥感影像不受云雨天气影响,能够在洪涝...     

多源卫星遥感秸秆焚烧过火面积动态监测

该文针对秸秆焚烧过火面积动态监测中高时间、高空间分辨率难以同时实现的问题,提出利用多源数据(Landsat8、GF-1、HJ-1A/B)来提升中分辨率卫星遥感的观测频次,并通过叠置分析和面向对象影像分析技术提高面积提取精度。使用该方法对河南省太康县进行了8次单日内全覆盖的秸秆焚烧过火面积提取,并通过变化检测获取各乡镇农田秸秆焚烧的累计过火面积、新增过火面积和新增过火农田翻耕面积的时空变化趋势。经验证,面积提取精度达93.89%以上,秸秆焚烧新增过火面积变化趋势与环保部监测结果基本相符。经分析,秸秆焚烧通常会在农作物大面积收割后的某个时间点开始,由若干个起火点随时序朝某个主方向进行传播蔓延,过火区域会随之出现间歇性的大范围翻耕,二者同时进行,即秸秆焚烧新增过火面积与新增过火农田翻耕面积随时序呈反向波浪状变化。说明相比利用低空间分辨率遥感数据进行广域监测,该方法可得到时效性强且精度更高的过火面积空间分布信息,能揭示出秸秆焚烧现象在县、乡尺度上的变化规律与细节。